这是一个使用序列到序列模型来对对联的项目。该项目使用TensorFlow编写。你可以在https://ai.binwang.me/couplet尝试演示。

前置条件

• Tensorflow
• Python 3.6
• 数据集

数据集

你需要一些数据来运行这个程序，数据集可以从这个项目下载。

** 注意：如果你使用自己的数据集，需要在词汇表文件的前两行分别添加 <s> 和 <\s>。 **

用法

训练

打开 couplet.py 并配置文件路径和超参数。然后运行 python couplet.py 来训练模型。你可以在TensorBoard上看到训练损失和BLEU分数。当发现损失不再下降时，可能需要重新调整 learning_rate。以下是一个损失曲线图的例子：

如果你停止了训练并想继续训练，可以将 restore_model 设置为 True，然后使用 m.train(<epoches>, start=<start>)，其中 start 是你已经运行过的步数。

我已经在Nvidia GTX-1080 GPU上训练了大约4天。

运行训练好的模型

打开 server.py 并配置 vocab_file 和 model_dir 参数。然后运行 python server.py 将启动一个可以对对联的Web服务。

或者使用Dockerfile构建Docker镜像，并通过Docker运行。记得将正确的模型文件路径挂载到Docker容器中。

示例

以下是一些由该模型生成的对联示例：

上联	下联
殷勤怕负三春意	潇洒难书一字愁
如此清秋何吝酒	这般明月不须钱
天朗气清风和畅	云蒸霞蔚日光辉
梦里不知身是客	醉时已觉酒为朋
千秋月色君长看	一夜风声我自怜

seq2seq-couplet 快速上手指南

本项目基于 TensorFlow 和 Seq2Seq 模型，用于自动生成对联（对对联）。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux / macOS / Windows
• Python 版本：Python 3.6
• 核心依赖：TensorFlow
• 数据集：需单独下载对联训练数据

建议先安装 Python 3.6 环境，然后通过 pip 安装 TensorFlow：

pip install tensorflow

安装步骤

1. 获取代码

克隆本项目仓库到本地：

git clone https://github.com/wb14123/seq2seq-couplet.git
cd seq2seq-couplet

2. 准备数据集

本项目不包含默认数据集，需要从配套项目下载。

• 下载地址：couplet-dataset
• 操作说明：下载完成后，将数据文件放置于项目目录或您指定的路径。

重要提示：如果您使用自定义数据集，必须在词汇表文件（vocabs file）的前两行分别添加 <s> 和 <\s> 标记，否则程序无法正常运行。

基本使用

1. 训练模型 (Train)

首先编辑 couplet.py 文件，配置数据文件路径及超参数（如 learning_rate）。

运行以下命令开始训练：

python couplet.py

• 监控训练：您可以启动 TensorBoard 查看训练损失（loss）和 BLEU 分数。
• 断点续训：若训练中断，可在代码中设置 restore_model = True，并调用 m.train(<epoches>, start=<start>)，其中 start 为已运行的步数。

2. 运行服务 (Run)

模型训练完成后，编辑 server.py 文件，配置 vocab_file（词汇表路径）和 model_dir（模型保存路径）。

启动 Web 服务：

python server.py

服务启动后，即可通过浏览器访问接口进行对联生成测试。

使用 Docker 运行（可选）

您也可以使用 Docker 部署：

docker build -t couplet-bot .
docker run -v /path/to/your/model:/app/model couplet-bot

注意：请确保将宿主机的模型文件路径正确挂载到容器内。

生成效果示例

上联	下联
殷勤怕负三春意	潇洒难书一字愁
如此清秋何吝酒	这般明月不须钱
天朗气清风和畅	云蒸霞蔚日光辉